基于壓縮感知的無(wú)線傳感器網(wǎng)絡(luò)動(dòng)態(tài)采樣方法.pdf

基于壓縮感知的無(wú)線傳感器網(wǎng)絡(luò)動(dòng)態(tài)采樣方法.pdf

ID:49302825

大小:754.14 KB

頁(yè)數(shù):6頁(yè)

時(shí)間:2020-02-29

基于壓縮感知的無(wú)線傳感器網(wǎng)絡(luò)動(dòng)態(tài)采樣方法.pdf_第1頁(yè)
基于壓縮感知的無(wú)線傳感器網(wǎng)絡(luò)動(dòng)態(tài)采樣方法.pdf_第2頁(yè)
基于壓縮感知的無(wú)線傳感器網(wǎng)絡(luò)動(dòng)態(tài)采樣方法.pdf_第3頁(yè)
基于壓縮感知的無(wú)線傳感器網(wǎng)絡(luò)動(dòng)態(tài)采樣方法.pdf_第4頁(yè)
基于壓縮感知的無(wú)線傳感器網(wǎng)絡(luò)動(dòng)態(tài)采樣方法.pdf_第5頁(yè)
資源描述:

《基于壓縮感知的無(wú)線傳感器網(wǎng)絡(luò)動(dòng)態(tài)采樣方法.pdf》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、JournalofComputerApplicationsISSN1001-90812017-01-10計(jì)算機(jī)應(yīng)用,2017,37(1):183-187,196CODENJYIIDUhttp://www.joca.cn文章編號(hào):1001-9081(2017)01-0183-05DOI:10.11772/j.issn.1001-9081.2017.01.0183基于壓縮感知的無(wú)線傳感器網(wǎng)絡(luò)動(dòng)態(tài)采樣方法1,21,2*31,2宋洋,黃志清,張嚴(yán)心,李夢(mèng)佳(1.北京工業(yè)大學(xué)軟件學(xué)院,北京100020;2.北京市物聯(lián)網(wǎng)軟件與系統(tǒng)工程技術(shù)研究中心,北京100020;3.北京交通大學(xué)電子

2、信息工程學(xué)院,北京100044)(*通信作者電子郵箱zqhuang@bjut.edu.cn)摘要:基于固定采樣率的無(wú)線傳感網(wǎng)(WSN)壓縮感知(CS)在收集隨時(shí)間變化的數(shù)據(jù)時(shí)難以獲得滿意的數(shù)據(jù)恢復(fù)精度。針對(duì)該問(wèn)題,提出了一種基于數(shù)據(jù)預(yù)測(cè)和采樣率反饋控制的動(dòng)態(tài)采樣方法。首先,匯聚節(jié)點(diǎn)通過(guò)分析當(dāng)前采樣時(shí)段與上一采樣時(shí)段獲取數(shù)據(jù)的線性度量指標(biāo),預(yù)測(cè)數(shù)據(jù)的變化趨勢(shì);然后,根據(jù)預(yù)測(cè)結(jié)果計(jì)算感知節(jié)點(diǎn)未來(lái)的采樣率,并通過(guò)反饋控制機(jī)制對(duì)感知節(jié)點(diǎn)的采樣過(guò)程進(jìn)行動(dòng)態(tài)調(diào)節(jié)。實(shí)驗(yàn)結(jié)果表明,相比基于目前廣泛采用的基于固定采樣率的無(wú)線傳感網(wǎng)壓縮感知數(shù)據(jù)收集方法,該方法能夠有效提高壓縮數(shù)據(jù)的恢復(fù)精度。關(guān)

3、鍵詞:無(wú)線傳感器網(wǎng)絡(luò);壓縮感知;數(shù)據(jù)預(yù)測(cè);反饋控制;動(dòng)態(tài)采樣中圖分類(lèi)號(hào):TP212.9;TP393文獻(xiàn)標(biāo)志碼:ADynamicsamplingmethodforwirelesssensornetworkbasedoncompressivesensing1,21,2*31,2SONGYang,HUANGZhiqing,ZHANGYanxin,LIMengjia(1.SchoolofSoftwareEngineering,BeijingUniversityofTechnology,Beijing100020,China;2.BeijingEngineeringResearchC

4、enterforIoTSoftwareandSystem,Beijing100020,China;3.SchoolofElectronicandInformationEngineering,BeijingJiaotongUniversity,Beijing100044,China)Abstract:Itishardtoobtainasatisfactoryreconstructivequalitywhilecompressingtime-varyingsignalsmonitoredbyWirelessSensorNetwork(WSN)usingCompressiveSe

5、nsing(CS),thereforeanoveldynamicsamplingmethodbasedondatapredictionandsamplingratefeedbackcontrolwasproposed.Firstly,thesinknodeacquiredthechangingtrendbyanalyzingthelinerdegreedifferencesbetweencurrentreconstructeddataandlastreconstructeddata.Thenthesinknodecalculatedthesuitablesamplingra

6、teaccordingtothechangingtrendandfedbacktheresulttosensorstodynamicallyadjusttheirsamplingprocess.TheexperimentalresultsshowthattheproposeddynamicsamplingmethodcanacquirehigherreconstructeddataaccuracythantheCSdatagatheringmethodbasedonstaticsamplingrateforWSN.Keywords:WirelessSensorNetwork

7、(WSN);CompressiveSensing(CS);dataprediction;feedbackcontrol;dynamicsampling目前,針對(duì)收集具有時(shí)間相關(guān)性數(shù)據(jù)過(guò)程中遇到的此類(lèi)0引言問(wèn)題,已有一些學(xué)者提出了一些基于動(dòng)態(tài)采樣的探討性方法。目前,無(wú)線傳感器網(wǎng)絡(luò)(WirelessSensorNetwork,由于無(wú)法預(yù)先獲取即將收集到的數(shù)據(jù),所以這些方法大多通[1][2-3]WSN)已經(jīng)被廣泛用于各個(gè)領(lǐng)域中。由于傳感器節(jié)點(diǎn)過(guò)對(duì)先驗(yàn)數(shù)據(jù)的分析,建立采樣率與被收集數(shù)據(jù)某一特征的通常由電池供電,并且通常沒(méi)有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。